自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

小波阈值图像去噪算法改进

对小波阈值收缩图像去噪算法进行了研究,在软阈值函数的基础上提出了一种改进的阈值函数,算法中采用BayesShrink阈值和SureShrink阈值,一定程度上抑制了SureShrink阈值的"过保留"小波系数.与传统方法(软阈值函数法(BayesShrink阈值)、软阈值函数法(SureShrink阈值)、硬阈值函数法以及半软阈值函数去噪法)相比,在处理边缘点不多的图像时,改进的阈值函数方法处理后的图像具有更高的峰值信噪比(PSNR)和信噪比(SNR),并具有更低的均方误差(MSE),图像更加清晰.     

基于平移不变小波变换的脑电信号去噪

鉴于传统小波阈值法去噪时,硬阈值函数存在不连续性,软阈值函数存在恒定偏差,去噪效果不佳,提出一种基于新阈值函数的小波平移不变量去噪法。首先构造一种任意阶可导的新阈值函数,再采用平移不变小波方法处理脑电信号。在matlab2009平台上分别采用软、硬阈值及改进方法对脑电信号进行去噪,结果表明:改进方法能够更好的保持脑电信号的特征,且具有更高的信噪比和更低的均方根误差。该方法去除脑电信号噪声性能优于传统小波阈值法,有利于准确提取脑电特征参数。     

基于连续阈值函数的小波去噪方法

文章分析传统软、硬阈值函数在图像去噪中的缺陷,提出了一个基于连续阈值函数的小波去噪方法.采用不同阈值函数的去噪方法对图像进行去噪处理,结果表明:基于连续阈值函数的方法的去噪效果优于其他非连续阈值函数的去噪方法.     

基于Tetrolet变换的自适应阈值去噪

提出一种新的阈值函数,在Tetrolet变换域中利用此阈值函数通过最小均方误差进行自适应图像去噪.此方法主要优点是利用图像Tetrolet变换的多尺度框架和方向性来保留原始图像的边缘和纹理等重要信息,同时在Tetrolet变换域中利用新阈值函数通过LMS算法来对图像自适应去噪.实验结果表明:该算法具有更高的峰值信噪比和更好的视觉效果,是有效可行的.     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

基于改进的MCA和K-SVD的图像稀疏表示去噪算法

图像去噪是图像处理中的关键问题之一,传统的图像去噪方法是基于小波阈值变换的,其去噪效果较好,但容易丢失细节信息,导致边缘模糊,针对传统去噪方法存在的不足,本文提出一种基于形态学成分分析(Morphological Component Analysis,MCA)和K奇异值分析(K-SVD)的图像去噪方法.考虑到传统的MCA算法对图像的稀疏性要求较高,本文通过求解最接近l1范数的若干次优解和最小l1范数解进行加权叠加,并将结果作为源信号的估计,改进了传统MCA算法中对图像稀疏性的高要求,提高了对源信号估计的精度.本文方法首先采用改进的MCA算法将含噪图像划分为平滑部分、纹理部分和边缘部分;然后对平滑的结构部分采用小波阈值去噪,并利用改进的K-SVD去噪算法对纹理部分和边缘部分进行自适应去噪,最后将三部分合起来得到最终去噪图像.实验表明,该方法相比于传统的图像去噪方法能够更好地滤除噪声,保留图像的细节特征和边缘信息,获得更高的峰值信噪比值.     

改进阈值函数在图像去噪中的应用研究

针对传统阈值函数在图像去噪中存在的缺点和阈值选取的不确定性,为进一步研究小波去噪处理算法,提出了一种新的改进阈值函数的去噪算法,分别对Circuit、Eight、Road 3幅图像采用传统的硬阈值、软阈值、半软阈值方法和文中方法进行Matlab仿真实验。对比分析,文中方法既获得了较好的视觉效果和更高的峰值信噪比,又克服了软阈值信号失真和硬阈值信号不连续、振荡等缺点,且能够在消噪和保留原有信号的弱特征之间获得较好的平衡,明显地改进了传统硬、软阈值函数去噪算法存在的诸多不足,在实际应用中更为有效。     

自适应阈值的小波去噪改进算法研究

基于小波变换的图像去噪方法在消除噪声的同时,可有效保留图像边缘细节信息,是近阶段图像去噪领域研究与应用的热点.现有的基于小波阈值法的去噪算法多为全局阈值,易引起边缘模糊.因此,在阐述小波去噪基本原理的基础上,将小波变换和多尺度边缘检测两者结合,充分考虑小波分解不同层数的特性,提出一种具有自适应阈值的小波图像去噪改进算法.实验表明,改进算法与传统去噪方法(维纳滤波法)及一般小波阈值法(VisuShrink阂值法、NormalShrink阈值法、BayesShrink阈值法)相比,可有效去除多种程度的加性高斯白噪声,更好保留图像边缘细节信息.     

基于改进阈值函数的二维小波变换图像去噪研究

在D.L.Donoho和I.M.Johnstone提出的多分辨分析小波阚值去噪方法的基础上,用一种改进的阈值函数和二维小波变换相结合的方法,克服了硬阚值法不连续性和软阈值法有偏差的缺点.该方法能在不同尺度的多方向中采用不同的阈值,可有效去除每一尺度上的噪声,保留有用信号,提高图像信噪比,改善视觉效果.仿真实验结果表明,该方法去噪效果明显,将在各类图像去噪处理中发挥作用.     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

一种基于小波分析的改进阈值图像去噪方法

该文针对图像去噪中的小波阈值图像去噪方法进行了研究,分析了硬阈值去噪和软阈值去噪在实际应用中的优点与不足,结合这两种去噪方法的优点,在硬阈值去噪和软阈值去噪的基础上,提出了一种改进的阈值图像去噪方法。对于大小为256×256的Lena图片,该改进阈值法的峰值信噪比(PSNR)分别比软阈值法和硬阈值法提高了1. 63%和1. 59%。实验结果表明,当选择合适的控制系数值时,与硬阈值去噪方法和软阈值去噪方法相比较,该改进方法能达到更好的去噪效果。     

基于脊波变换的自适应阈值图像去噪算法

利用脊波变换的方法，研究了图像去噪问题．设计了一种基于脊波变换的改进图像去噪算法，该算法采用软硬阈值折中函数，针对Normal Shrink阈值提出了改进．仿真实验表明，该算法与小波全局软硬阈值去噪、脊渡全局软硬阈值去噪等算法相比，图像的峰值信噪比值有明显提高，算法对以直线特征为主的图像较为有效．     

一种新的阈值和阈值函数的小波去噪算法

为了解决传统软、硬阈值算法去噪过程中出现的边缘模糊和视觉失真等问题,提出了一种新的小波去噪算法.首先,在阈值选择时,为了抑制信号长度对阈值选取的影响,把通用阈值和最大似然比按照一定比例结合,可根据图像的噪声构造出更加合理的阈值;然后,阈值函数里加入了调节系数β,使新的函数拥有更好的连续性和更低的误差.仿真实验表明,该算法是有效的,可行的,去噪后的图像相比于其他三种经典算法拥有更高的信噪比和更低的均方误差,能更好的去除图像中的噪声.     

自适应小波阈值算法在应答器信号去噪中的应用

为了改善应答器信号的去噪效果,利用小波变换具有多分辨分析的特点,在分析硬阈值和软阈值函数小波去噪的基础上,提出了一种改进的自适应阈值量化方法。该方法克服了硬阈值函数存在间断点和软阈值函数存在恒定偏差的问题,能够自动地调节阈值量化规则,具有更好的连续性。仿真结果表明:改进的自适应小波阈值算法对应答器信号进行消噪处理后,信噪比增益、均方差均优于传统的阈值算法和现有的改进阈值算法,并且能很好地保留原始信号的特征信息。     

基于改进邻域收缩法的非下采样Contourlet变换域红外图像去噪

提出了一种基于改进邻域收缩法的NSCT域红外图像去噪算法。首先使用Bayes Shrink自适应阈值取代通用阈值作为改进邻域收缩法中的收缩阈值,再利用该收缩阈值对NSCT分解后的红外图像的高频子带进行系数收缩处理。仿真实验结果表明:改进算法在去噪性能和视觉效果方面相对于实验中的对比方法均有所提高,具有较好的抗噪性能和良好的边缘保护能力,能够有效的用于红外图像的去噪中。     

基于改进邻域收缩法的NSCT域红外图像去噪

摘要：文章提出了一种基于改进邻域收缩法的NSCT域红外图像去噪算法。首先使用Bayes Shrink自适应阈值取代通用阈值作为改进邻域收缩法中的收缩阈值,再利用该收缩阈值对NSCT分解后的红外图像的高频子带进行系数收缩处理。仿真实验结果表明：改进算法在去噪性能和视觉效果方面相对于实验中的对比方法均有所提高,具有较好的抗噪性能和良好的边缘保护能力,能够有效的用于红外图像的去噪中。     

一种基于NSCT域的自适应阈值函数SAR图像去噪

提出一种基于Nonsubsampled Contourlet变换的能量自适应的阈值函数合成孔径雷达图像去噪方法.该算法针对硬阈值函数、软阈值函数的缺点,利用具有冗余性和良好的方向选择性的Nonsubsampled Contourlet变换,结合根据图像不同分解层不同方向的轮廓细节能量的分布自适应调节的阈值函数完成去噪.实验结果表明该算法在有效抑制SAR图像斑点噪声的同时能很好地保持图像的边缘细节特征.     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.